Vers une Ingénierie Ontologique à Base du Web Usage Mining

Vers une Ingénierie Ontologique à Base du Web Usage
Mining
GRABA Abdelmadjid Guessoum, ELBERRICHI Zakaria
Laboratoire EEDIS, Université Djilali Liabes de Sidi Bel Abbes, ALGERIE
{majid.guesse, elberrichi}@gmail.com
Résumé. Récemment, de nouvelles approches ont intégré l’utilisation de
techniques de fouille de données dans le processus d’enrichissement
d’ontologies. En effet, les deux domaines, fouille de données et méta-données
ontologiques sont extrêmement liés : d’une part les techniques de fouille de
donnée aident à la construction du Web sémantique, d’autre part le Web
sémantique aide à l’extraction de nouvelles connaissances. Ainsi, beaucoup de
travaux utilisent les ontologies comme un guide pour l’extraction de règles ou
de motifs, permettant de discriminer les données par leur valeur sémantique
et donc d’extraire des connaissances plus pertinentes. Il s’avère à l’inverse que
peu de travaux visant à mettre à jour l’ontologie s’intéressent aux techniques
de fouilles de données. Dans ce papier, nous présentons une approche pour
supporter la gestion des ontologies des sites Web basée sur l’utilisation des
techniques de Web Usage Mining. L’approche présentée a été expérimentée
et évaluée sur une ontologie d’un site Web, que nous avons construit et
ensuite enrichie en se basant sur les motifs séquentiels extraits sur le Log.
Mots-clés: ontologies, Web Usage Mining, enrichissement, Web sémantique,
fouille de données, motifs séquentiels.
1
Introduction
Le Web sémantique désigne un espace d’échange et de manipulation de grandes
sources de données visant à rendre le contenu des pages Web accessibles aux humains
et aux agents artificiels. En effet, la recherche d’information dans le Web classique se
base essentiellement sur la structure des documents, ce qui rend l’exploitation du
contenu quasiment impossible par les machines. A la différence de cela, dans le Web
sémantique, les machines accèdent aux ressources grâce à la représentation
sémantique du contenu. Cette représentation inclut une formalisation du contenu,
permettant d’encoder l’information dans un format lisible par la machine, ainsi que
l’ajout de métadonnées sémantiques modélisant l’information disponible. La
combinaison des données formalisées et de la couche sémantique donne alors accès à
la connaissance et ouvre la voie à un large panel d’applications.
2
GRABA Abdelmadjid Guessoum, ELBERRICHI Zakaria
Il est nécessaire d’utiliser un moyen d’échange commun afin de partager
l’information entre différentes communautés. Les ontologies sont l’un des modèles de
représentation de connaissances les plus avancés. Constituées de concepts liés par des
relations, et souvent structurés hiérarchiquement, elles permettent d’organiser des
connaissances en fonction du domaine considéré. Au cœur du Web sémantique, elles
ajoutent une couche sémantique au Web classique en décrivant les connaissances
contenues dans les ressources. Considérées désormais dans ce domaine comme
métadonnées de référence, les ontologies, ainsi que leur création et leur
développement, font l’objet de nombreux travaux de recherche. En particulier,
l’évolution permanente des ressources, nécessite la mise au point de techniques
permettant l’évolution des ontologies et leurs mises à jours.
Nous proposons donc dans cet article une approche d’enrichissement d’ontologies
basée sur une technique de fouille de données, la recherche de motifs séquentiels à
l’aide de l’algorithme Vpsp. Appliquée sur des fichiers logs, cet algorithme permet de
mettre en évidence des séquences fréquentes d’accès Web, dans un ordre donné.
Notre approche consiste ainsi, à partir de fichiers logs, à extraire des motifs
séquentiels qui sont ensuite utilisés afin d’enrichir l’ontologie, en y ajoutant d’une
part de nouveaux concepts, d’autre part, les relations sémantiques qui peuvent exister
entre eux.
La suite de cet article est organisée de la manière suivante : dans la section 2 nous
présentons les étapes de notre approche. La section 3 présente les résultats
d’expérimentations conduites sur la mise à jour de l’ontologie du site Web étudié.
Nous terminons l’article par une discussion de travaux connexes et une conclusion.
2
Approche proposée
Cette approche est divisée en quatre étapes :
1- Construction d’une ontologie pour le site Web étudié.
2- Prétraitement des fichiers Logs.
3- Application de l’algorithme Vpsp sur le fichier Log.
4- Enrichissement de l’ontologie de base à l’égard des visites des utilisateurs.
2.1
Construction de l’ontologie
Les ontologies sont l’un des modèles de représentation de connaissances les plus
avancés. Constituées de concepts liés par des relations, et souvent structurés
hiérarchiquement, elles permettent d’organiser des connaissances en fonction du
domaine considéré.
La construction de l’ontologie peut être effectuée manuellement ou semiautomatiquement. Dans le premier cas, cette tâche est difficile et prend du temps.
C'est la raison pour laquelle de nombreuses méthodes et méthodologies ont été
conçues pour semi-automatiser ce processus. Les sources de données peuvent être du
texte, des données semi-structurées, les données relationnelles, etc. Dans la suite,
nous décrivons certaines méthodes dédiées à l'extraction des connaissances à partir
des pages Web.
Vers une Ingénierie Ontologique à Base du Web Usage Mining
3
L'approche proposée par Navigli et Velardi [9] tente de réduire la confusion
conceptuelle et terminologique entre les membres d'une communauté virtuelle. Les
concepts et les relations sont tirés d'une série de sites Web en utilisant l’outil
Ontolearn. Les principales étapes sont: l'extraction de terminologie à partir des sites
Web, interprétation sémantique des termes, et l'identification des relations
taxonomiques.
Certaines approches transforment les pages html en une hiérarchie sémantique
structurée codées en XML, en tenant compte des régularités HTML [3].
Enfin, on peut aussi remarquer que certaines approches consacrées à la
construction de l'ontologie à partir des pages Web sans l’utilisation d’aucune
connaissance a priori. L'approche décrite dans [10] est basé sur les étapes suivantes:
(1) extraire des mots clés représentatifs du domaine, (2) trouver une collection de sites
Web liés aux anciens mots clé (en utilisant par exemple Google), (3) analyse
exhaustive de chaque site, (4) l'analyseur recherche les mots clés initiales dans un site
Web et trouve les mots suivants et précédents; ces mots sont candidats à être des
concepts, (5) pour chaque concept sélectionné, une analyse statistique est effectuée
sur la base du nombre d'occurrences de ce mot dans les sites Web et, finalement, (6)
pour chaque concept extrait en utilisant une fenêtre autour du mot clé initial, un
nouveau mot clé est défini et l'algorithme réitère récursivement.
Dans [5] une méthode est proposée pour extraire l'ontologie de domaine à partir
des sites Web sans l’utilisation de connaissances a priori. Cette approche prend la
structure des pages Web en considération et définit une hiérarchie contextuelle. Le
prétraitement des données est une étape importante pour définir les termes les plus
pertinents pour pouvoir être classés. Des poids sont associés aux termes en fonction
de leur position dans cette hiérarchie conceptuelle. Ensuite, ces termes sont
automatiquement classés et les concepts sont extraits.
Dans [2] les auteurs définissent une architecture ontologique basée sur un triplet
sémantique, à savoir: sémantique du contenu, la structure et les services d'un
domaine.
2.2
Prétraitement des fichiers Logs
La première étape d'un processus du WUM consiste en un prétraitement des fichiers
Log. En effet, le format des fichiers log web est impropre à une analyse directe par les
diverses techniques de fouille des données. Leur nettoyage et leur structuration sont
donc nécessaires avant toute analyse.
La première étape d’un processus WUM se compose principalement de deux types
de taches :
- Tâches classiques de prétraitement : fusion des fichiers logs web, nettoyage et
structuration de données.
- Tâches avancées de prétraitement : stockage des données structurées dans une
base de données, généralisation et agrégation des données.
4
GRABA Abdelmadjid Guessoum, ELBERRICHI Zakaria
2.2.1 Prétraitement classique
Fusionner tous les fichiers log dans un seul fichier log afin de pouvoir reconstruire
les sessions réalisées à travers plusieurs serveurs Web ;
Nettoyer le fichier log :
Le nettoyage des données consiste à supprimer les requêtes inutiles des fichiers Logs,
à savoir :
- Les requêtes non valides. Ce sont les requêtes dont le statut est inférieur à 200 ou
supérieur à 399. En effet, le code d'état (statut), entier codé sur trois chiffres, a un sens
propre dont la catégorie dépend du premier chiffre:
- 1xx indique uniquement un message informel,
- 2xx indique un succès,
- 3xx redirige le client sur un autre URL,
- 4xx indique une erreur côté client,
- 5xx indique une erreur côté serveur.
- Requêtes provenant des robots Web. Il est presque impossible aujourd'hui
d'identifier tous les robots Web puisque chaque jour apparaissent des nouveaux. Pour
les robots dont l'adresse IP et le User-Agent sont inconnus, nous procédons à un
examen de leurs comportements sachant que les robots Web procèdent à une visite
relativement exhaustive (nombre de pages visitées par un robot est supérieur au
nombre de pages visitées par un utilisateur normal) et rapide et qu'ils cherchent
généralement un fichier nommé «\robot.txt». Ainsi, pour identifier les requêtes
provenant des robots ou leurs visites nous avons utilisé des heuristiques en
considérant qu'il suffit de vérifier une d'entre elles pour considérer la requête
correspondante comme étant générée par un robot Web :
a. Identifier les adresses IP connus comme étant des robots Web. Ces
informations sont fournies généralement par les moteurs de recherche.
b. Identifier les IP ayant fait une requête à la page « \robots.txt».
c. Utiliser un seuil pour la vitesse de navigation BS «Browsing Speed»
égale au nombre de pages visitées par seconde. Le calcul du Browsing
Speed n'est possible qu'après détermination des sessions et des visites.
- Requêtes aux images. Cette étape de nettoyage consiste à supprimer les fichiers
dont les extensions sont : .jpg, .gif, .png, etc... et les fichiers multimédia dont
l'extension est : .wav, .wma, .wmv, etc.
- Requêtes dont la méthode est différente de «GET». Les méthodes généralement
utilisées sont: GET, HEAD, PUT, POST, TRACE et OPTIONS :
- La méthode GET est une requête d'information. Le serveur traite la demande
et renvoie le contenu de l'objet.
- La méthode HEAD est très similaire à la méthode GET. Cependant le
serveur ne retourne que l'en-tête de la ressource demandée sans les données.
Il n'y a donc pas de corps de message.
La méthode PUT permet de télécharger un document, dont le nom est
précisé dans l'URI, ou d'effacer un document, toujours si le serveur l'autorise.
- La méthode POST est utilisée pour envoyer des données au serveur.
Vers une Ingénierie Ontologique à Base du Web Usage Mining
5
La méthode TRACE est employée pour le débogage. Le serveur renvoie,
dans le corps de la réponse, le contenu exact qu'il a reçu du client. Ceci
permet de comprendre, en particulier, ce qui se passe lorsque la requête
transite par plusieurs serveurs intermédiaires.
- La méthode OPTIONS permet de demander au serveur les méthodes
autorisées pour le document référencé.
Vu que le WUM s'intéresse à l'étude du comportement de l'internaute sur le Web et
par conséquent aux ressources qu'il demande, il faut garder seulement les requêtes
dont la méthode utilisée est GET.
- Les Scripts. Généralement, le téléchargement d'une page demandée par un
utilisateur est accompagné automatiquement par le téléchargement des scripts tels que
les scripts Java (fichiers .js), des feuilles de style (fichiers .css), des animations flash
(fichier .swf), etc. Ces éléments doivent être supprimés du fichier Log étant donné
que leur apparition ne reflète pas le comportement de l'internaute.
-
Structurer le fichier log :
La structuration des données consiste à identifier les utilisateurs, les sessions et les
visites :
Identification des utilisateurs et des sessions : Une session est composée de
l'ensemble de pages visitées par le même utilisateur durant la période d'analyse.
Plusieurs moyens d'indentification des utilisateurs ont été proposés dans la littérature
(login et mot de passe, cookie, IP), cependant, tous ces moyens présentent des
défaillances à cause des systèmes de cache, des firewalls et des serveurs proxy. Dans
notre cas, nous considérons que deux requêtes provenant de deux adresse IP
différents, appartiennent à deux sessions différentes donc elles sont effectuées par
deux utilisateurs différents. Toutefois, nous ne pouvons nier la limite inhérente à cette
méthode. En effet, une confusion entre deux utilisateurs différents utilisant la même
adresse IP est toujours possible surtout en cas d'utilisation d'un serveur Proxy ou d'un
firewall.
Identification des visites : Une visite est composée d'une série de requêtes
séquentiellement ordonnées, effectuées pendant la même session et ne présentant pas
de rupture de séquence de plus de 30 minutes. L'identification des visites sur le site,
est effectuée selon la démarche suivante:
Déterminer la durée de consultation des pages. La durée de consultation d’une
page est le temps séparant deux requêtes successives. Si la durée de consultation
d’une page dépasse 30 minutes alors la page suivante dans la même session est
attribuée à une nouvelle visite.
Une fois les visites identifiées, la durée de consultation de la dernière page de
chaque visite est obtenue à partir de la moyenne des temps de consultation des pages
précédentes appartenant à la même visite.
Les visites composées d'une seule requête ne sont pas considérées car, d'une part,
il n'est pas possible d'estimer la durée d'une seule requête, d'autre part, elles sont
éliminées dans la phase de retraitement puisqu'elles ne présentent aucun intérêt pour
notre analyse.
6
GRABA Abdelmadjid Guessoum, ELBERRICHI Zakaria
2.2.2 Prétraitement avancé
Dans cette étape, les données structurées sont enregistrées sous une forme persistante,
généralement, dans une base de données. On produit souvent des variables dérivées à
partir des premières (requête, utilisateur, session ou visite).
Afin de pouvoir traiter l'information contenue dans la base le plus simplement et le
plus efficacement possible, il faut restructurer la base selon le schéma relationnel.
2.3
Application de l’algorithme Vpsp sur le fichier Log
Introduits dans [1] et largement étudiés dans [7], les motifs séquentiels peuvent être
vus comme une extension de la notion de règles d’association intégrant diverses
contraintes temporelles. La recherche de tels motifs consiste ainsi à extraire des
enchaînements d’ensembles d’items, couramment associés sur une période de temps
bien spécifiée.
2.3.1 L’approche Vpsp (Vertical Prefix-Tree for Sequential Pattern)
L’algorithme Vpsp [4] est un algorithme de type ”générer-élaguer” et combine les
avantages principaux des algorithmes PSP [6] et SPADE [13] grâce à une nouvelle
structure de données en forme d’arbre préfixée (héritée de PSP) couplée à un
chargement de la base de données en représentation verticale. Cette union de structure
d’arbre et de transformation de bases de données permet :
1. d’optimiser l’espace mémoire utilisé. La différence principale, distinguant notre
structure de celle utilisée dans PSP, provient du fait que la base de données n’est
parcourue qu’une seule fois tout au long de l’algorithme permettant l’extraction. Lors
de cette unique lecture de la base, le premier étage de l’arbre préfixé est construit.
Chaque nœud de profondeur 1, représentant un item de la base de données, garde une
trace, pour chaque apparition dans la base, du visiteur et de la date d’apparition
correspondante. Ce processus reprend donc la transformation de la base de données
opérée dans SPADE, pour la projeter dans l’arbre préfixé.
2. de simplifier l’opération de générations (inutilité des classes d’équivalences).
Cet algorithme reprend les fondements de la génération des candidats effectuée dans
PSP. Cependant, dans Vpsp lorsqu’un candidat est généré, celui-ci se voit attribué un
vecteur d’apparition issu de la base de données qui permet de vérifier plus
efficacement le comptage du support.
3. de simplifier le comptage du support. Le comptage des séquences candidates tire
profit de la structure de données utilisée par Vpsp. En effet, grâce à la liste
d’apparition dont dispose chaque candidat, nous pouvons déterminer efficacement le
nombre de visiteurs qui ont participés à l’incrémentation du support.
Vers une Ingénierie Ontologique à Base du Web Usage Mining
2.4
7
Recommandations pour enrichir l’ontologie
Pour soutenir la gestion de l’ontologie, nous fournissons des recommandations pour la
mise à jour de l'ontologie par les techniques du Web Mining, principalement par le
Web Usage Mining. Les mises à jour concernent principalement l'extension de
l’ontologie qui ne modifie pas complètement l'ontologie initiale:
1. L’ajout d'une feuille concept dans une hiérarchie.
2. L’ajout d'un sous-arbre de concepts dans la hiérarchie.
3. L’ajout d'une relation entre deux concepts.
Notre démarche consiste à fouiller le fichier Log afin d’en extraire des séquences
de pages apparaissant fréquemment. Ces motifs séquentiels sont ensuite eux-mêmes
analysés afin d’identifier les items représentant de nouveaux concepts.
De la même façon, une nouvelle relation entre deux concepts peut être identifiée
grâce à l'extraction des patterns séquentiels. L'exemple choisi dans l'expérimentation
décrite dans la section suivante nous permet d'illustrer le premier cas.
3
Expérimentations
Étape 1 : Construction de l’ontologie
Dans cette expérimentation, nous avons utilisé une ontologie qui existe déjà et nous
l’avons modifié en fonction de la structure du site Web (UNIVERSITE DJILALI
LIABES www.uni-sba.dz) qui a été étudiée.
Fig. 1. L’ontologie du site Web.
8
GRABA Abdelmadjid Guessoum, ELBERRICHI Zakaria
Étape 2 : Résultats de l’analyse du fichier Log
Corpus expérimental
Il est constitué de l'ensemble de requêtes adressées au site (UNIVERSITE DJILALI
LIABES www.uni-sba.dz) pendant la période allant du 24 Mars au 21 Avril 2008. Le
fichier est composé de 115703 requêtes enregistrées suivant la norme CLF (Common
Log Format). Pour chaque requête, nous disposons des champs suivants: la date de
réalisation de la requête et l'heure à laquelle elle s'est produite (timestamp), l'adresse
IP du client ayant accédé au serveur (client), la méthode i.e. l'action que tentait de
réaliser le client (method), la requête que le client a essayé d'effectuer (url), la réponse
du serveur (status), la longueur du contenu du document transféré (size).
Résultats
Le tableau suivant présente les résultats du prétraitement du fichier Log du site
collectées pendant la période allant du 24 Mars au 21 Avril 2008.
Table 1. Tableau récapitulatif des résultats.
Total de requêtes
Requêtes non valides
Requêtes provenant des WRs
Identification par IP
Requêtes à « /robots.txt »
Identification par BS
Requêtes aux images et fichiers multimédia
Requêtes dont méthodes <> GET
Scripts et feuilles de style
Total
Nombre de requêtes après nettoyage et retraitement
Nombre des sessions
Nombre des visites destinées à l'analyse
Nombre de requêtes
Pourcentage
115703
8250
3243
0
3243
0
79074
118
1541
92226
9578
1544
2103
100 %
7.13 %
2.8 %
68.34 %
0.1 %
1.33 %
79.71 %
8.28 %
La nouvelle taille de la base (8.28 % de la taille initiale) montre bien l'importance
de l'étape du prétraitement des fichiers Log, en particulier la phase du nettoyage.
Cette étape a abouti à des fichiers nettoyés et structurés, prêts à l'analyse par
l'application des méthodes de fouille des données.
Afin de pouvoir traiter l'information contenue dans la base le plus simplement et le
plus efficacement possible, il faut restructurer la base selon le schéma relationnel.
Vers une Ingénierie Ontologique à Base du Web Usage Mining
9
Fig. 2. Schéma relationnel.
Étape 3 : Résultats de l’extraction des motifs séquentiels
Après l’étape de prétraitement, le fichier log du site web (UNIVERSITE DJILALI
LIABES www.uni-sba.dz) contient 241 URLs et 2103 séquences de visite. Les
séquences extraites reflètent les comportements fréquents des internautes connectés
sur le site.
Nous rapportons dans cette section quelques motifs séquentiels extraits du fichier
Log :
Pattern 1:
http://www.univ-sba.dz/
http://www.univ-sba.dz/fsi/
http://www.univ-sba.dz/fsi/lmd/progr_LMD/S1-S2.htm
Support : 0.009715
Ce comportement a un support de 0,9715%. Cela signifie qu’il correspond à 15
utilisateurs du site Web. Ces utilisateurs sont susceptibles d’être intéressées par le
programme du nouveau système LMD.
Pattern 2:
http://www.univ-sba.dz/
http://www.univ-sba.dz/laboratoires.php
Support : 0.027202
Ce comportement a un support de 2,7202%. Cela signifie qu’il correspond à 42
utilisateurs du site web. Ces utilisateurs sont susceptibles d’être intéressées par les
laboratoires de l’université DJILALI LIABES.
10
GRABA Abdelmadjid Guessoum, ELBERRICHI Zakaria
Étape 4 : Mise à jour de l’ontologie
L’interprétation des résultats de l’étape précédente nous permet de faire des
suggestions en vue d’appuyer la gestion de l’ontologie, et plus précisément d’étendre
l’ontologie de base.
Après l’étape précédente (extraction des motifs séquentiels), on a trouvé que les
internautes ont consultés la page de vice-rectorat (http://www.univ-sba.dz/vrpg) après
la page principale du site Web (http://www.univ-sba.dz/). Le concept "Rectorate"
n’existe pas dans notre ontologie et pourrait être ajoutée comme le montre la Figure 3.
Nous avons également trouvé que plusieurs internaute ont consultés la page du
programme LMD (http://www.univ-sba.dz/fsi/lmd/progr_LMD/S1-S2.htm) et aussi la
page des cours LMD (http://www.univ-sba.dz/fsi/lmd/courtd.htm). Nous proposons
d’ajouter le concept "LMDStudent" sous-concept du concept "UndergraduateStudent".
Fig. 3. Mise à jour de l’ontologie.
4
Travaux connexes
Peu de travaux visant à mettre à jour l’ontologie s’intéressent aux techniques de Web
Usage Mining. Parmi ses travaux :
Mikroyannidis & Theodoulidis [8] Ici, les auteurs ont proposé une architecture pour
l’adaptation des sites Web. Après l’étape de prétraitement des fichiers Log, les
algorithmes pour l’extraction des itemsets fréquents sont appliqués afin de produire
l'ensemble des pages (pagesets) qui sont souvent accessibles en même temps tout au
long de la même session. Les pagesets extraits sont classées en fonction de deux
critères. Le premier critère est basé sur la relation entre les pages de chaque pageset,
Vers une Ingénierie Ontologique à Base du Web Usage Mining
11
selon la topologie du site. Le deuxième critère de classification est basé sur le contenu
des pages contenues dans chaque pageset. Une fois que les modifications proposées
ont été révisées par le webmaster, elles peuvent être utilisées pour mettre à jour
l’ontologie et modifier la structure du site Web.
Trousse & all. [12] Les auteurs présentent une approche basée sur l’analyse des
usages du site Web. Ensuite, ils appliquent deux techniques de fouille de données sur
les fichiers Log : extraction des motifs séquentiels et classification des pages Web
dans le but de proposer de nouvelles relations entre les concepts de l’ontologie.
L’approche a été illustrée sur un site Web de tourisme.
5
Conclusion et perspectives
Dans ce travail, nous avons tenté de démontrer l'impact potentiel du Web Usage
Mining sur la mise à jour de l’ontologie. Nous avons illustré un tel impact dans le
domaine de l’université en examinant le site Web de l’université DJILALI LIABES
(http://www.univ-sba.dz/), nous partons d'une ontologie de domaine obtenu grâce à
l'adaptation d'une ontologie existante à la structure actuelle du site Web. Ensuite,
l’algorithme Vpsp a été appliqué sur le fichier Log généré à partir de ce site. Web
Usage Mining fournit des informations pertinentes aux utilisateurs et il est donc un
outil très puissant pour la recherche d'information. Le Web Usage Mining peut
également être utilisés pour appuyer la modification de la structure du site Web et
donner quelques recommandations aux visiteurs.
Les résultats de ce travail nous ouvrent des opportunités futures, notamment la
possibilité de combiner Usage et Content Mining pour confirmer les mises à jour
proposées. Cette combinaison pourrait nous permettre de construire des ontologies
selon le contenu des pages Web et de les affiner avec les comportements extraits à
partir des fichiers Log.
Références
1. Agrawal R., & Srikant R. (1995). Mining Sequential Patterns, Proceedings of the 11th
International Conference on Data Engineering (ICDE’95), Tapei, Taiwan.
2. Ben Mustapha N., Aufaure M-A., & Baazhaoui-Zghal H. (2006). Towards an architecture of
ontological components for the semantic web. In Proceedings of Wism (Web Information
Systems Modeling) Workshop, CAiSE 2006, Luxembourg (pp. 22-35).
3. Davulcu H., Vadrevu S., & Nagarajan S. (2003). OntoMiner: Bootstrapping and populating
ontologies from domain specific websites. In Proceedings of the First International
Workshop on Semantic Web and Databases (SWDB 2003), Berlin.
4. Di-Jorio L., Jouve D., Kraemer D., Serra A., Raissi C., Laurent A., Teisseire M., & Poncelet P.
(2006). VPSP : extraction de motifs séquentiels dans weka. In Démonstrations dans les
22émes journées “Bases de Données Avancées” (BDA’06).
5. Karoui L., Aufaure M.-A., & Bennacer N. (2004). Ontology discovery from web pages:
Application to tourism. Workshop on Knowledge Discovery and Ontologies (KDO), colocated with ECML/PKDD, Pisa, Italy, pp. 115-120.
12
GRABA Abdelmadjid Guessoum, ELBERRICHI Zakaria
6. Masseglia F., Cathala F., & Poncelet P. (1998). The PSP Approach for Mining Sequential
Patterns , Proceedings of the 2nd European Symposium on Principles of Data Mining and
Knowledge Discovery (PKDD’98), LNAI, Vol. 1510, Nantes, France, September 1998, p. 176184.
7. Masseglia F. (2002). Algorithmes et applications pour l’extraction de motifs séquentiels
dans le domaine de la fouille de données : de l’incrémental au temps réel, PHD
Dissertation, Université de versailles St Quentin - France.
8. Mikroyannidis A., & Theodoulidis B. (2004). A Theoretical Framework and an
Implementation Architecture for Self Adaptive Web Sites, in Proceedings of the
IEEE/WIC/ACM International Conference on Web Intelligence (WI'04), Beijing, China, pp.
558-561.
9. Navigli R., & Velardi P. (2004). Learning domain ontologies from document warehouses
and dedicated web sites. Computational Linguistics, 30(2), 151-179.
10. Sanchez D., & Moreno A. (2004). Automatic generation of taxonomies from the WWW. In
Proceedings of the 5th International Conference on Practical Aspects of Knowledge
Management (PAKM 2004). LNAI, Vol. 3336 (pp. 208-219). Vienna, Austria.
11. Stumme G., Hotho A. & Berendt B. (2006). Semantic web mining : State of the art and
future directions. Web Semantics : Science, Services and Agents on the World Wide Web,
4(2), 124–143.
12. Trousse B., Aufaure M.-A., Le Grand B., Lechevallier Y., & Masseglia F. (2007). Web Usage
Mining for Ontology Management, in: Data Mining with Ontologies: Implementations,
Findings and Frameworks. N. Hèctor Oscar, Gonzalez Cisaro. Sandra Elisabeth G, X. Daniel
Hugo (editors), Information Science Reference, 2007, chap. 3, p. 37-64.
13. Zaki D. (2001). SPADE: An Efficient Algorithm for Mining Frequent Sequences, Machine
Learning, vol. 42, 2001, p. 31-60, Kluwer Academic Publishers.